Kubernetes v1.36：PSI 資源壓力指標正式 GA，提供三層級飽和度訊號
Kubernetes Blog · 2026-05-12
Kubernetes v1.36 將 PSI（Pressure Stall Information）指標功能從 Beta 晉升至 GA，正式成為穩定 API。PSI 是 Linux 核心自 2018 年引入的資源壓力量化機制，與傳統使用率指標相比，它直接測量任務因資源競爭而停頓的時間，能在資源飽和導致服務降級之前提早發出訊號。
背景
CPU 使用率 80% 並不代表服務有問題，但如果所有 CPU 時間都用在上下文切換而非有效工作，服務延遲就會明顯上升。PSI 測量的是「有多少任務正在等待資源」及「等待持續多久」，區分 some（部分任務停頓）與 full（所有任務停頓）兩個壓力等級，覆蓋 CPU、Memory、I/O 三類資源。
核心改動
PSI 指標在三個層級暴露：
- Node 層級：整個節點的資源壓力
- Pod 層級：單一 Pod 的資源競爭狀況
- Container 層級：容器粒度的壓力量化
每個維度提供累積總量（absolute stall time）與滑動平均（10s、60s、300s 視窗），後者對區分瞬時尖峰與持續飽和特別有用。
效能影響
生產環境壓力測試（80+ pods 高密度場景）確認 kubelet 額外 CPU 消耗約 2.5%（0.1 core on 4-core 機器），核心層的 CPU delta 在 0.925%–3.125% 之間，尖峰可達 5.6% 但隨即回落。此開銷被評估為可融入 kubelet 標準維護週期，不構成額外預算。
影響範圍
PSI GA 後，HPA 等自動擴縮機制可以將 PSI 指標作為比 CPU 使用率更精準的觸發條件。對 AI/ML 工作負載特別有意義：GPU memory pressure 或 CPU stall 通常是訓練任務崩潰的前兆，PSI 可提供毫秒級的早期預警，讓排程器在情況惡化前介入遷移或降級。
原始來源：Kubernetes Blog
Kubernetes v1.36 工作負載感知排程：Gang Scheduling、DRA 整合與拓撲感知
Kubernetes Blog · 2026-05-13
Kubernetes v1.36 持續推進 AI/ML 批次工作負載的排程能力，以 scheduling.k8s.io/v1alpha2 引入了 Workload/PodGroup API 的職責分離，並在此基礎上實現 Gang Scheduling、Dynamic Resource Allocation（DRA）整合與第一代拓撲感知排程。
核心改動：Workload 與 PodGroup 分離
v1.35 將 Pod group 狀態嵌入單一 Workload resource；v1.36 拆成兩個獨立物件：Workload 只描述靜態模板，PodGroup 持有運行期排程狀態。排程器直接讀取 PodGroup 而無需解析 Workload，減少邏輯耦合，同時讓每個 replica 的狀態可獨立分片，改善超大規模叢集的效能。
apiVersion: scheduling.k8s.io/v1alpha2
kind: Workload
spec:
podGroupTemplates:
- name: workers
schedulingPolicy:
gang:
minCount: 4 # 需同時排程 4 個 Pod，否則整批等待規格細節
v1.36 新增三項排程功能：
- 拓撲感知排程（第一版）：考量 NUMA、rack、availability zone 配置 Pod，優化 GPU-to-GPU 頻寬
- 工作負載感知搶佔：以整個 Workload 為單位評估搶佔，避免搶佔後 PodGroup 無法湊齊 minCount 的空轉
- ResourceClaim 支援：PodGroup 可請求 DRA 動態資源（GPU、客製化加速器），在工作負載而非單一 Pod 層級協調資源申請
影響範圍
Gang Scheduling 對分散式訓練任務關鍵：所有 worker Pod 必須同時啟動，否則 rank-0 會無限等待 rendezvous。v1.36 的 minCount 語義確保 PodGroup 在達到法定數量前不進入排程，根本消除了部分 Pod 起來佔資源但任務無法啟動的死鎖。Job controller 整合在此版本完成第一階段，正式支援常見的批次工作模式。
原始來源：Kubernetes Blog